GPT爲啥不能像人類一樣思考？背後真相是……

人工智能（AI），特別是像GPT - 4這樣的大型語言模型，在推理任務上表現得很厲害。但是人工智能真的理解抽象概念，還是僅僅在模仿模式呢？阿姆斯特丹大學和聖菲研究所的一項新研究表明，雖然GPT模型在一些類比任務上表現良好，但當問題發生變化時就會表現欠佳，這就把人工智能推理能力的關鍵弱點暴露出來了。這項研究發表在《機器學習研究彙刊》（Transactions on Machine Learning Research）上。

類比推理是基於兩個不同事物在某些方面的相似性進行比較的能力。這是人類試圖理解世界和做出決策的最常見方法之一。類比推理的一個例子：杯子之於咖啡就像湯之於？？？（答案是：碗）

像GPT - 4這樣的大型語言模型在各種測試中表現良好，包括那些需要類比推理的測試。但是人工智能模型真的能進行一般性的、可靠的推理，還是過度依賴其訓練數據中的模式呢？語言和人工智能專家瑪莎·劉易斯（阿姆斯特丹大學邏輯、語言與計算研究所）和梅蘭妮·米切爾（聖菲研究所）進行的這項研究檢驗了GPT模型在進行類比時是否像人類一樣靈活和穩健。

劉易斯解釋說：“這一點至關重要，因爲人工智能在現實世界中越來越多地被用於決策和解決問題。”

劉易斯（Lewis）和米切爾（Mitchell）比較了人類和GPT模型在三種不同類型類比問題上的表現：

一個真正理解類比的系統即使在變體上也應保持高性能

除了測試GPT模型能否解決原始問題，該研究還檢驗了問題被巧妙修改時它們的表現。作者在他們的文章中指出：“一個真正理解類比的系統即使在這些變體上也應保持高性能。”

人類在大多數問題的修改版本上都能保持高性能，但GPT模型雖然在標準類比問題上表現良好，卻在變體問題上表現欠佳。劉易斯解釋說：“這表明人工智能模型的推理往往不如人類靈活，它們的推理較少涉及真正的抽象理解，更多的是模式匹配。”

在數字矩陣裡，缺失數字的位置一變，GPT模型的性能就顯著下降，人類卻不會被難住。在故事類比中，GPT - 4往往更傾向於把給定的第一個答案當作正確答案，人類卻不受答案順序的影響。此外，故事的關鍵元素被重新表述時，GPT - 4比人類更費勁，這表明它依賴於表面的相似性，而不是更深層次的因果推理。

在更簡單的類比任務裡，測試GPT模型的修改版本時，其性能會下降，人類卻能保持穩定。不過，更復雜的類比推理任務，人類和人工智能都會覺得困難。

這項研究對一種廣泛存在的假設提出了挑戰，即像GPT - 4這樣的人工智能模型能夠以與人類相同的方式進行推理。劉易斯和米切爾總結道：“雖然人工智能模型展現出令人驚歎的能力，但這並不意味着它們真正理解自己在做什麼。它們跨不同情況進行歸納的能力仍然明顯弱於人類認知。GPT模型往往依賴表面模式而非深度理解。”

這是在教育、法律和醫療保健等重要決策領域使用人工智能時的一個重要警示。人工智能可以是一個強大的工具，但它還不能替代人類的思考和推理。